希伯来语英语双语TTS语音合成数据集

音视频
0 下载
42 浏览
2026-08-12

数据集简介

音频生成

数据集包含两个主要的音频压缩包:

  • slow_44K.7z:使用 Chatterbox(resemble-ai)生成的音频,已重采样至 44.1kHz 并做时间拉伸(放慢)。
  • Mamre_generated.7z:使用 MamreTTS 生成的音频。

内容

数据集包含希伯来语和英语的双语语音数据,涵盖 5 名女声和 5 名男声说话人。所有音频均被重采样至 44.1kHz,并进行了时间拉伸(放慢)处理,以适配 TTS 模型的训练需求。

说话人

  • 5 名女声说话人
  • 5 名男声说话人

说话人覆盖希伯来语和英语的语音数据,为多说话人 TTS 模型提供多样化的训练样本。

音素元数据 CSV

每个音频文件对应一个 CSV 文件,包含音素级元数据,字段包括:

  • filename:音频文件名
  • voice:说话人标识
  • text:文本内容
  • text_nikud:带元音点的希伯来语文本
  • phonemes:音素序列
  • whisper_phonemes:Whisper 模型预测的音素序列
  • wer_score:词错误率评分
  • passed_filter:是否通过过滤
  • knesset_line:以色列议会(Knesset)相关行标识

这些元数据可用于音素级对齐、语音识别评估和 TTS 训练。

使用

数据集可用于:

  • 文本转语音(TTS)模型训练
  • 语音识别(ASR)模型训练
  • 音素级语音分析

数据规模为 148,475 行,其中 voice1 包含 59,839 行,voice2 包含 88,636 行。

希伯来语文本(hebrew_text.parquet)

提供 hebrew_text.parquet 文件,用于恢复希伯来语文本,可能包含原始文本或带元音点的文本,便于文本与语音的对应处理。

许可与下载

数据集采用自定义许可(other),公开免费下载。原始数据以 7z 压缩包形式提供,包含 WAV 音频文件、CSV 元数据文件和 Parquet 文件。

基本信息

记录数量未知
文件大小未知
文件格式wav, csv, parquet, 7z
数据来源HuggingFace
语言希伯来语、英语
说话人5 名女声、5 名男声
采样率44.1kHz
数据规模148,475 行
许可自定义许可(公开免费)
数据落地页https://huggingface.co/datasets/notmax123/SententicDataTTS
发布日期2026-08-12
文本转语音希伯来语英语音素元数据语音合成

上架信息

数据集市运营
平台统一选品上架,经质量审核后公开
0 次下载

价格

免费